んで、ちょっとインタフェースが変わったので、弱くなってないかテスト。 条件は旧評価関数（前回選手権時のパラメータ）＋現行の探索ルーチン。対局相手はsspで一手一秒*1。 結果、43-0-21で勝率67.2％。95％信頼区間は54.3〜78.4。対局数少ないんではっき…

選手権まで残り201日。微妙に切羽詰まって来ました。 という訳で、思い切ってスケジュール変更。学習は一旦保留します。 シグモイド関数無しでの方策勾配法 実装は完了。現在テスト中。 レポート収集系の整理 パラメータのセーブ・ロードまわりのテスト ※問…